В начале июня Фей-Фей Ли опубликовала новую статью «A Functional Taxonomy of World Models», которая начинается эпиграфом из Витгенштейна: «Мир — это всё, что имеет место». И немедленно продолжает: «Мир не состоит из слов».
Этой статьей компания Ли World Labs ($1,23 млрд инвестиций от AMD, NVIDIA, Autodesk) ответила на вопрос, который постоянно заставляет ИИ-сообщество спорить: что именно мы строим в ИИ-системе, когда говорим «модель мира»?
Что такое модели мира и почему это не LLM?
В нашем канале мы постоянно следим за этой темой. Кратко напомним: языковые модели выучили статистическую структуру текста, как слова следуют друг за другом. Модели мира должны выучить статистическую структуру пространства и времени: как свет падает на поверхность, как объекты реагируют на силу, как физика работает без описания физики. Это принципиально разные подходы.
Ли предложила три функциональных класса систем, связанных с моделями мира:
1️⃣ Renderer: генерирует высококачественные визуальные представления из входных данных. Большинство того, что сейчас называется «моделями мира», — это рендеры. Ли отмечает, что системы, застрявшие на этом уровне, вообще не содержат настоящих моделей мира — это просто дорогостоящие видеогенераторы реалистичных изображений.
2️⃣ Simulator: возвращает геометрически и физически достоверные параметры состояния. Это уже не картинка, а физика объекта и процесса. Объект падает, потому что модель понимает гравитацию, а не потому что видела много видео падающих предметов.
3️⃣ Planner: агент использует симулятор для планирования последовательности действий. Мир познаётся через цикл: агент совершает действие ➡️ состояние меняется ➡️ агент наблюдает изменение ➡️ планирует следующий шаг. Это POMDP — математическая основа, которую нейробиологи и ИИ-исследователи использовали независимо друг от друга, называя разными словами.
Кто вообще занимается моделями мира и каковы инвестиции в это направление?
✔️ World Labs — $1 млрд при оценке $5,4 млрд.
✔️ AMI Labs — $1,03 млрд при оценке $3,5 млрд.
✔️ Physical Intelligence — $600 млн при оценке $5,6 млрд.
✔️ Wayve — $1,2 млрд при оценке $8,6 млрд.
За это направление идёт одна из крупнейших инвестиционных гонок в ИИ-индустрии.
Ян Лекун, основатель стартапа AMI Labs, давно утверждает: LLM никогда не дойдут до настоящего интеллекта, потому что текст не содержит физики. Его I-JEPA и V-JEPA — модели на основе самосупервизируемых предсказаний в пространстве признаков, а не пикселей. Мозг не предсказывает конкретные ощущения, он предсказывает абстрактные состояния мира. Лекун и Ли расходятся в деталях архитектуры, но сходятся в главном тезисе: физический мир нельзя выучить из текста.
Связь с нейронаукой и как это касается природы разума
Научный руководитель докторантуры Фей-Фей Ли — Кристоф Кох, нейробиолог, ближайший соратник Фрэнсиса Крика в исследованиях сознания.
Теория предиктивного кодирования утверждает: мозг постоянно строит и обновляет внутреннюю модель реальности, минимизируя разницу между предсказанным и наблюдаемым. Это ровно тот же цикл, который Ли описывает математически как POMDP.
Нейробиология и ИИ пришли к одному и тому же описанию с разных сторон — и не знали об этом, потому что говорили на разных языках.
Таксономия Ли создаёт точку пересечения:
Рендеринг ➡️ это то, как мозг генерирует «образ» реальности.
Симуляция ➡️ это предсказательная модель физических законов.
Планирование ➡️ это то, что классически называют «произвольным действием».
Почему это важнее текущей гонки LLM?
LLM масштабируются на тексте и достигают потолка там, где нужна физическая интуиция. Робот, обученный на инструкциях, не понимает, что чашка упадёт, если её толкнуть, если только не видел тысячи примеров. Модель мира понимает гравитацию как структуру, а не как паттерн.
Ли формулирует это так: языковые модели освоили концепции и рассуждения. World models — это следующий рубеж, пространственный интеллект. Пространство и время не передаётся словами.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться